설계변경과 승인 문서가 공기를 늦추는 구간, 팹·데이터센터 현장에서 먼저 쌓을 기록

반도체 팹과 데이터센터 공사에는 일반 건축에 없는 제약이 있다. 장비 반입일과 가동일이 먼저 정해지고 나머지 공정이 그 날짜에 맞춰 압축된다. 이 조건에서 승인 대기와 설계변경 처리가 일정에 주는 영향을 확인하려 했는데, 팹·데이터센터만 따로 집계한 설계변경·RFI 통계는 공개 자료에서 찾지 못했다. 아래 수치는 건설 일반과 공공공사 대상 연구·조사에서 나왔다.

공기가 먼저 고정되는 현장

건축·전기·기계·클린룸 공사가 같은 구간에 겹쳐 들어가고, 후속 공정이 앞 공정의 지연을 흡수할 여유가 없다.

Sightline Climate가 2026년 2월 공개한 분석에 따르면 2025년에 가동 예정이던 대형 데이터센터 110건 중 26%가 지연됐고, 2026년 가동 예정 물량은 30~50%가 지연될 것으로 전망됐다. 이 분석이 꼽은 원인은 전력 확보, 장비 부족, 지역 반대이고, 설계변경이나 승인 문서 때문인 지연은 따로 집계돼 있지 않다.

반입 하나를 여는 데 필요한 문서도 많다. 바닥 하중·진동 조건, 반입 동선 간섭, 전력 수전과 접지, 배관 압력시험, 클린룸 청정도, 소방·인허가 확인이 있다. 이 중 하나가 승인 대기에 걸려 있으면 장비가 도착해도 설치를 시작하지 못한다. 공정표에는 시공이 끝난 것으로 잡히는데 실제로는 서류에서 멈춰 있는 상태가 생긴다.

자동화 여지는 현장 작업보다 문서 쪽에 있다

맥킨지가 2026년 7월 15일 공개한 보고서 How AI is reshaping the future of the AEC industry는 AEC 관련 25개 도메인의 워크플로 150개를 분석해, 건설 부문 비물리 업무의 39%, 설계·엔지니어링 부문의 50%를 AI로 자동화할 수 있다고 추정했다. 설계변경 한 건은 도면, 물량, 계약금액, 공정, 시운전 절차를 연쇄로 바꾼다. 변경을 없앨 수는 없으니 처리 속도와 추적이 관리 대상이 된다.

설계변경 규모를 예측한 변수

Frontiers in Built Environment에 2026년 7월 8일 실린 논문은 요르단 공공 건설공사 21건으로 설계변경 비율을 예측하는 모델을 만들었다. 가장 성적이 좋은 서포트 벡터 회귀(SVR) 모델의 LOOCV R²는 0.76이었다. 예측력이 가장 큰 변수는 설계도서 완성도였고, 그다음이 RFI 밀도와 공사기간이었다. 저자들은 표본이 21건이고 한 나라의 공공공사라서 결과를 신중하게 해석하고 더 큰 데이터로 검증해야 한다고 적었다.

이 연구의 R² 값을 다른 현장에 그대로 옮길 수는 없다. 다만 어느 변수를 측정해야 하는지는 알려준다. RFI 밀도를 세려면 RFI가 건별로 시스템에 남아 있어야 하고, 설계도서 완성도는 도면·시방·물량이 리비전 이력과 함께 관리될 때 지표가 된다. Unifier 같은 PMIS에서는 RFI, 설계변경, 자재 승인, 검사, 증서를 별도 BP로 두고 상태 전이와 소요일을 기록한다.

계약문서 검토에서 측정된 성능

서울대 연구진(Moon, Chi, Im)이 2022년 10월 Automation in Construction에 실은 논문은 건설 시방서 56건에서 추출한 조항 2,807개를 지불, 기한, 절차, 안전, 역할과 책임, 정의, 참조 7개 리스크 범주로 분류하는 BERT 모델을 만들었다. 검증 정확도 0.889, 테스트 F1 0.934였다. Engineering, Construction and Architectural Management 32권 3호(2025)에 실린 다른 연구는 건설공사 계약서 1,322건으로 누락 조항을 탐지했고, 멀티라벨 분류 정확도 93%, 유사도 매칭 83%를 보고했다. 측정된 범위는 조항을 범주별로 나눠 검토자 앞에 놓는 단계까지이고, 수용할지 협의할지는 사람이 정한다.

정리되지 않은 데이터의 비용

Autodesk와 FMI가 2021년 9월 발표한 보고서 Harnessing the Data Advantage in Construction은 응답자 3,900명 이상을 조사해, 부정확하거나 불완전한 데이터가 2020년 전 세계 건설업에 1조 8,500억 달러의 비용을 발생시켰고, 그중 나쁜 데이터에 근거한 결정이 유발한 재작업이 886.9억 달러로 전체 재작업의 14%라고 추정했다. PlanGrid와 FMI의 2018년 보고서 Construction Disconnected는 599명(미국 500명)을 조사해, 미국 재작업의 48%(글로벌 52%)가 부정확·접근 불가·비호환 데이터와 소통 부실에서 직접 발생한다고 집계했다. KPMG가 2026년 3월 발간한 Global Construction Survey 2025/2026은 경영진 375명을 조사했는데, 프로젝트 절반 이상에 AI를 적용한다는 응답은 24%였고, 도입이 늦는 이유로 스프레드시트와 분절된 일정·조달 도구 의존을 들었다.

국내 대형 건설사 발표도 있다. 삼성물산은 2025년 11월 AWS와 공동 개발한 AI 에이전트 3종을 2026년부터 전 건설 프로젝트에 적용한다고 발표했고, 그중 AI-Project Expert는 흩어진 현장 데이터를 통합 분석하는 용도다. SK에코플랜트는 2025년 12월 조직개편에서 AI 분야 EPC 사업을 위한 AI솔루션사업 조직을 신설했다. GS건설은 2026년 7월 전사 데이터 플랫폼으로 스노우플레이크를 도입하고 공정·품질·안전·원가 데이터를 연결하는 온톨로지 체계를 만든다고 밝혔다.

팹·데이터센터 현장에서 먼저 쌓을 데이터

위 연구들이 쓴 변수를 자기 현장에서 재려면 세 종류의 기록이 필요하다. RFI는 등록일, 회신 소요일, 재질의 여부, 관련 도면 번호를 한 레코드에 묶어 건별로 남긴다. 설계변경에는 발주처 요구, 인허가 조건, 간섭, 자재 대체, 시공 오류 같은 사유코드를 붙인다. 장비 반입 마일스톤에는 반입 전 완료돼야 하는 승인·검사·증서를 선행 조건으로 건다. 공정표와 문서관리가 따로 돌면 문서 지연이 공정표에 나타나지 않고, 선행 조건으로 걸어 두면 일정 지연으로 표시된다.

팹·데이터센터 전용 통계가 없는 상태에서는 이 기록이 자기 현장의 기준선이 되고, 설계변경 예측이나 문서 자동 검토는 그 뒤에 붙일 수 있다.